超赞图-大语言模型 
关于**图相关大语言模型(LLMs)**的超赞内容集合。
大语言模型(LLMs)在自然语言处理任务中取得了显著进展。然而,它们与图结构的集成(这在现实世界应用中普遍存在)仍然相对未被探索。本仓库旨在通过提供一个精选的研究论文列表来弥补这一差距,这些论文探讨了基于图的技术与LLMs的交叉领域。
目录
数据集、基准测试与综述
- (NAACL'21) 基于知识图谱的合成语料生成用于知识增强语言模型预训练 [论文][代码]
- (NeurIPS'23) 语言模型能用自然语言解决图问题吗? [论文][代码]
- (IEEE Intelligent Systems 2023) 将图与大语言模型集成:方法与展望 [论文]
- (ICLR'24) 像图一样说话:为大语言模型编码图 [论文]
- (KDD'24) LLM4DyG:大语言模型能解决动态图问题吗? [论文][代码]
- (arXiv 2023.05) GPT4Graph:大语言模型能理解图结构数据吗?一项实证评估和基准测试 [论文][代码]
- (arXiv 2023.08) 图遇见LLMs:迈向大型图模型 [论文]
- (arXiv 2023.10) 迈向图基础模型:综述与展望 [论文]
- (arXiv 2023.11) 知识图谱能减少LLMs的幻觉吗?:一项综述 [论文]
- (arXiv 2023.11) 图遇见大语言模型:进展与未来方向综述 [论文][代码]
- (arXiv 2023.12) 图上的大语言模型:全面综述 [论文][